Inicio rápido: Ajuste de un modelo de base
Hay un par de razones para sintonizar su modelo de fundación. Al ajustar un modelo en muchos ejemplos etiquetados, puede mejorar el rendimiento del modelo en comparación con la ingeniería de solicitudes sola. Al ajustar un modelo base para que funcione de forma similar a un modelo más grande en la misma familia de modelos, puede reducir los costes desplegando ese modelo más pequeño.
- Servicios necesarios
- Watson Studio
- Watson Machine Learning
El flujo de trabajo básico incluye estas tareas:
- Abra un proyecto. Los proyectos son la ubicación donde puede colaborar con otros para trabajar con los datos.
- Añada datos al proyecto. Puede cargar archivos de datos o añadir datos desde un origen de datos remoto a través de una conexión.
- Cree un experimento de ajuste en el proyecto. El experimento de ajuste utiliza el creador de experimentos de Tuning Studio .
- Revise los resultados del experimento y el modelo ajustado. Los resultados incluyen un gráfico de función de pérdida y los detalles del modelo ajustado.
- Despliegue y pruebe el modelo ajustado. Pruebe el modelo en Prompt Lab.
Leer sobre el ajuste de un modelo de base
El ajuste de solicitud ajusta el contenido de la solicitud que se pasa al modelo. El modelo de base subyacente y sus parámetros no se editan. Sólo se altera la entrada de solicitud. Puede ajustar un modelo con Tuning Studio para guiar un modelo de base de IA para devolver la salida que desee.
Vea este vídeo para ver cuándo y por qué debe sintonizar un modelo de base.
Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.
Vea un vídeo sobre cómo ajustar un modelo de base
Vea este vídeo para obtener una vista preliminar de los pasos de esta guía de aprendizaje. Puede haber pequeñas diferencias en la interfaz de usuario que se muestra en el vídeo. El vídeo está pensado para ser un compañero del tutorial escrito.
Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.
Pruebe una guía de aprendizaje para ajustar un modelo de base
En esta guía de aprendizaje, realizará estas tareas:
- Tarea 1: Abrir un proyecto
- Tarea 2: Probar el modelo base
- Tarea 3: Añadir los datos al proyecto
- Tarea 4: Crear un experimento de ajuste en el proyecto
- Tarea 5: Configurar el experimento de ajuste
- Tarea 6: Desplegar el modelo ajustado en un espacio de despliegue
- Tarea 7: Probar el modelo ajustado
Sugerencias para completar esta guía de aprendizaje
Estas son algunas sugerencias para completar correctamente esta guía de aprendizaje.
Utilizar la imagen en imagen de vídeo
La siguiente imagen animada muestra cómo utilizar las características de imagen en imagen y tabla de contenido de vídeo:
Obtener ayuda en la comunidad
Si necesita ayuda con esta guía de aprendizaje, puede formular una pregunta o encontrar una respuesta en el foro de discusión de la comunidad dewatsonx.
Configurar las ventanas del navegador
Para obtener la experiencia óptima al completar esta guía de aprendizaje, abra Cloud Pak for Data en una ventana de navegador y mantenga abierta esta página de la guía de aprendizaje en otra ventana de navegador para conmutar fácilmente entre las dos aplicaciones. Considere la posibilidad de organizar las dos ventanas del navegador una al lado de la otra para que sea más fácil de seguir.
Tarea 1: Abrir un proyecto
Para obtener una vista previa de esta tarea, vea el vídeo empezando por 00:04.
Necesita un proyecto para almacenar el experimento de ajuste. Vea un vídeo para ver cómo crear un proyecto de recinto de pruebas y asociar un servicio. A continuación, siga los pasos para verificar que tiene un proyecto existente o crear un proyecto.
Verificar un proyecto existente o crear un proyecto nuevo
En la pantalla de inicio de watsonx , desplácese a la sección Proyectos . Si ve algún proyecto listado, vaya a Asociar el servicio Watson Machine Learning.
Si no ves ningún proyecto, puedes ver este vídeo, y luego seguir los pasos para crear un proyecto.
Este vídeo proporciona un método visual para aprender los conceptos y tareas de esta documentación.
Pulse Crear un proyecto de recinto de pruebas. Cuando se crea el proyecto, verá el recinto de seguridad en la sección Proyectos .
Abra un proyecto existente o el nuevo proyecto de recinto de pruebas.
Asocie el servicio Watson Machine Learning con el proyecto
Utilice Watson Machine Learning para ajustar el modelo base, por lo que debe seguir estos pasos para asociar la instancia de servicio de Watson Machine Learning con el proyecto.
En el proyecto, pulse el separador Gestionar .
Pulse la página Servicios e integraciones .
Compruebe si este proyecto tiene un servicio de Watson Machine Learning asociado. Si no hay ningún servicio asociado, siga estos pasos:
Pulse Asociar servicio.
Marque el recuadro situado junto a la instancia de servicio de Watson Machine Learning .
Pulse Asociar.
Si es necesario, pulse Cancelar para volver a la página Servicios e integraciones .
Para obtener más información o para ver un vídeo, consulte Creación de un proyecto y Adición de servicios asociados a un proyecto.
Compruebe el progreso
La imagen siguiente muestra el separador Gestionar con el servicio asociado. Ahora está preparado para añadir el cuaderno de ejemplo al proyecto.
Tarea 2: Probar el modelo base
Para obtener una vista previa de esta tarea, vea el vídeo empezando por 00:19.
Puede probar el modelo ajustado en Prompt Lab. Siga estos pasos para probar el modelo ajustado:
Seleccione el modelo ajustado.
- Pulse la lista desplegable de modelos y seleccione Ver todos los modelos base.
- Seleccione el modelo flan-t5-xl-3b .
- Pulse Seleccionar modelo.
En la página Modalidad estructurada , escriba la Instrucción:
Summarize customer complaints
Proporcione los ejemplos y la entrada de prueba.
Ejemplo de entrada y salida Entrada de ejemplo Salida de ejemplo Olvidé en mi fecha inicial que estaba usando Capital Uno y esta deuda estaba en sus manos y nunca se hizo. Cobro de deudas, subproducto: deuda con tarjeta de crédito, emisión: tomó o amenazó con tomar acciones negativas o legales subemisión Soy víctima del robo de identidad y esta deuda no me pertenece. Por favor, consulte el reporte de robo de identidad y declaración jurada legal. Cobro de deudas, dub-product, no lo sé, cuestión. intentos de cobrar deuda no adeudada. la subemisión de deuda fue el resultado del robo de identidad En el campo de texto Intentar , copie y pegue la solicitud siguiente:
After I reviewed my credit report, I am still seeing information that is reporting on my credit file that is not mine. please help me in getting these items removed from my credit file.
Pulse Generary revise los resultados.
Pulse Guardar trabajo > Guardar como.
Seleccione Plantilla de solicitud.
Para el nombre, escriba
Base model prompt
.Seleccione Ver en proyecto después de guardar.
Pulse Guardar.
Compruebe el progreso
La imagen siguiente muestra los resultados en Prompt Lab.
Tarea 3: Añadir los datos al proyecto
Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 01:12.
Debe añadir los datos de entrenamiento a su proyecto. En la página Centro de recursos, puede encontrar el conjunto de datos de quejas de cliente. Este conjunto de datos incluye datos ficticios de quejas típicas de los clientes en relación con los informes de crédito. Siga estos pasos para añadir el conjunto de datos del concentrador de recursos al proyecto:
- Acceda al Conjunto de datos de quejas del cliente en la página Centro de recursos.
- Pulse Añadir al proyecto.
- Seleccione el proyecto de recinto de seguridad.
- Pulse Añadir.
- Pulse Ver proyecto para ver el activo en el proyecto.
Compruebe el progreso
La imagen siguiente muestra el activo de datos añadido al proyecto. El paso siguiente es crear el experimento de ajuste.
Tarea 4: Crear un experimento de ajuste en el proyecto
Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 01:32.
Ahora está preparado para crear un experimento de ajuste en el proyecto de recinto de pruebas que utiliza el conjunto de datos que acaba de añadir al proyecto. Siga estos pasos para crear un experimento de ajuste:
Vuelva a la pantalla de inicio de watsonx .
Verifique que el proyecto de recinto de seguridad está seleccionado.
Pulse Ajustar un modelo de base con datos etiquetados.
Para el nombre, escriba:
Summarize customer complaints tuned model
Para la descripción, escriba:
Tuning Studio experiment to tune a foundation model to handle customer complaints.
Pulse Crear. Se muestra Tuning Studio .
Compruebe el progreso
La imagen siguiente muestra el experimento de ajuste abierto en Tuning Studio. Ahora está preparado para configurar el experimento de ajuste.
Tarea 5: Configurar el experimento de ajuste
Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 01:47.
En Tuning Studio, puede configurar el experimento de ajuste. El modelo de base a ajustar se ha completado. Siga estos pasos para configurar el experimento de ajuste:
Para ajustar el modelo de base, seleccione flan-t5-xl-3b.
Seleccione Texto para el método para inicializar la solicitud. Hay dos opciones:
- Texto: Utiliza el texto que especifique.
- Aleatorio: utiliza los valores que se generan automáticamente como parte del experimento de ajuste.
Para el campo Texto , escriba:
Summarize the complaint provided into one sentence.
La tabla siguiente muestra texto de ejemplo para cada tipo de tarea:
título Tipo de tarea Ejemplo Clasificación Clasificar si el sentimiento de cada comentario es positivo o negativo Generación Hacer el caso para permitir que los empleados trabajen desde casa unos días a la semana Resumen Resumir los puntos principales de una transcripción de reunión Seleccione Resumen para el tipo de tarea que más se ajuste a lo que desea que haga el modelo. Existen tres tipos de tarea:
- Resumen genera texto que describe las ideas principales que se expresan en un cuerpo de texto.
- Generación genera texto como, por ejemplo, un correo electrónico promocional.
- Clasificación predice las etiquetas categóricas de las características. Por ejemplo, dado un conjunto de comentarios de cliente, es posible que desee etiquetar cada sentencia como una pregunta o un problema. Cuando utilice la tarea de clasificación, tendrá que listar las etiquetas de clase que desea que utilice el modelo. Especifique las mismas etiquetas que se utilizan en los datos de entrenamiento de ajuste.
Seleccione los datos de entrenamiento del proyecto.
- Pulse Seleccionar de proyecto.
- Pulse Activo de datos.
- Seleccione el archivo customer reclamos training data.json .
- Pulse Seleccionar activo.
- Pulse Iniciar ajuste.
Compruebe el progreso
La imagen siguiente muestra el experimento de ajuste configurado. A continuación, revise los resultados y despliegue el modelo ajustado.
Tarea 6: Desplegar el modelo ajustado en un espacio de despliegue
Para obtener una vista previa de esta tarea, vea el vídeo que empieza en 03:17.
Cuando se haya completado la ejecución del experimento, verá el modelo ajustado y el gráfico de función de pérdida. La función de pérdida mide la diferencia entre los resultados previstos y reales con cada ejecución de entrenamiento. Siga estos pasos para ver el gráfico de función de pérdida y el modelo ajustado:
Revise el gráfico de la función Pérdida. Una curva inclinada hacia abajo significa que el modelo está mejorando en la generación de la salida esperada.
Debajo del gráfico, pulse el modelo ajustado Resumir quejas de clientes .
Desplácese por los detalles del modelo.
Pulse Desplegar.
Para el nombre, escriba:
Summarize customer complaints tuned model
Para el Contenedor de despliegue, seleccione Espacio de despliegue.
Para el Espacio de despliegue de destino, seleccione un espacio de despliegue existente. Si no tiene un espacio de despliegue existente, siga estos pasos:
- Para el Espacio de despliegue de destino, seleccione Crear un nuevo espacio de despliegue.
- Para el nombre del espacio de despliegue, escriba:
Foundation models deployment space
- Seleccione un servicio de almacenamiento de la lista.
- Seleccione el servicio de aprendizaje automático suministrado en la lista.
- Pulse Crear.
- Pulse Cerrar.
- Para el Espacio de despliegue de destino, verifique que se ha seleccionado Espacio de despliegue de modelos de fundación .
Compruebe la opción Ver despliegue en el espacio de despliegue después de crear .
Pulse Crear.
En la página Despliegues , pulse el despliegue Resumir modelo ajustado de quejas de cliente para ver los detalles.
Comprueba tu progreso
La imagen siguiente muestra el despliegue en el espacio de despliegue. Ahora está preparado para probar el modelo desplegado.
Tarea 7: Probar el modelo ajustado
Para previsualizar esta tarea, vea el vídeo que comienza en 04:04.
Puede probar el modelo ajustado en Prompt Lab. Siga estos pasos para probar el modelo ajustado:
En la página de despliegue de modelo, pulse Abrir en laboratorio de solicitudy, a continuación, seleccione el proyecto de recinto de seguridad. Se muestra el laboratorio de solicitudes.
Seleccione el modelo ajustado.
- Pulse la lista desplegable de modelos y seleccione Ver todos los modelos base.
- Seleccione el modelo Resumir modelo ajustado de quejas de cliente .
- Pulse Seleccionar modelo.
En la página Modalidad estructurada , escriba la Instrucción:
Summarize customer complaints
En la página Modalidad estructurada , proporcione los ejemplos y la entrada de prueba.
Ejemplo de entrada y salida Entrada de ejemplo Salida de ejemplo Olvidé en mi fecha inicial que estaba usando Capital Uno y esta deuda estaba en sus manos y nunca se hizo. Cobro de deudas, subproducto: deuda con tarjeta de crédito, emisión: tomó o amenazó con tomar acciones negativas o legales subemisión Soy víctima del robo de identidad y esta deuda no me pertenece. Por favor, consulte el reporte de robo de identidad y declaración jurada legal. Cobro de deudas, dub-product, no lo sé, cuestión. intentos de cobrar deuda no adeudada. la subemisión de deuda fue el resultado del robo de identidad En el campo de texto Intentar , copie y pegue la solicitud siguiente:
After I reviewed my credit report, I am still seeing information that is reporting on my credit file that is not mine. please help me in getting these items removed from my credit file.
Pulse Generary revise los resultados.
Comprueba tu progreso
La imagen siguiente muestra los resultados en Prompt Lab.
Próximos pasos
Pruebe estas otras guías de aprendizaje:
- Solicitar un modelo de base en Prompt Lab
- Solicitar un modelo de base con patrón de generación aumentado de recuperación
- Pruebe las otras guías de aprendizaje de caso de uso de watsonx.ai.
Recursos adicionales
Ver más vídeos.
Busque conjuntos de datos de ejemplo, proyectos, modelos, solicitudes y cuadernos en el concentrador de recursos para obtener experiencia práctica:
Libros de notas que puedes añadir a tu proyecto para empezar a analizar datos y construir modelos.
Proyectos que puede importar que contengan cuadernos, conjuntos de datos, avisos y otros activos.
Conjuntos de datos que puedes añadir a tu proyecto para refinar, analizar y construir modelos.
Prompts que puedes utilizar en el Prompt Lab para preguntar a un modelo de cimentación.
Modelos de fundamentos que puedes utilizar en el Prompt Lab.
Tema principal: Guías de aprendizaje de inicio rápido